Modelos de mantenimiento predictivo usando algoritmos de machine learning y técnicas de data science

Tesis (Ingeniero Civil Industrial)Los conceptos de fiabilidad, disponibilidad, mantenimiento y seguridad son ampliamente aplicados hoy en día por las industrias de clase mundial para realizar estudios y análisis de mantenimiento industrial enfocados en lograr una correcta y eficiente gestión de los activos físicos que poseen. De hecho, el mantenimiento industrial parece ser la fuente, y el objetivo, de nuevos desarrollos científicos, lo cual se ve reflejado en las acciones concretas y específicas de investigación industrial, o proyectos de mayor alcance, que dichas empresas realizan. Específicamente, a nivel empresarial los conceptos tradicionales de Mantenimiento Preventivo (PM) y Mantenimiento Correctivo (CM) se están complementando gradualmente al tomar en cuenta los mecanismos de falla de una manera más proactiva, es decir, los industriales tienden a reforzar su capacidad de anticipar fallas para así tomar las posibles acciones preventivas más correctas, con el objetivo principal de reducir costos y riesgos. Por lo tanto, la implementación de soluciones de Pronósticos y Gestión de la Salud (PHM) de los equipos juega un papel crucial. Este proceso de pronósticos y gestión se considera hoy en día como una de las principales herramientas en la investigación del rendimiento en las industrias de clase mundial. El Mantenimiento Predictivo (PdM) se refiere a la supervisión inteligente de los equipos con el objetivo de evitar posibles futuras fallas. Esta metodología hace uso de la información pasada, presente y futura de un equipo para evaluar su degradación, y para diagnosticar, predecir y gestionar sus fallas. En contraste con el Mantenimiento Preventivo (PM), que sigue un cronograma establecido, los programas de Mantenimiento Predictivo se determinan mediante algoritmos analíticos y datos recolectados por los sensores del equipo, y las soluciones que ofrece son el resultado de la evolución de los métodos y tecnologías de ingeniería de confiabilidad, monitoreo y mantenimiento